用于人类精子图像自动评估的遗传神经架构搜索
机器学习
2021-10-01 v2 计算机视觉与模式识别
神经与进化计算
机器学习
摘要
男性不育症是一种影响约7%男性的疾病。精子形态分析（SMA）是诊断此问题的主要方法之一。人工SMA是一个不精确、主观、不可重复且难以教授的过程。因此，在本文中，我们介绍了一种基于神经架构搜索算法的新型自动SMA，该算法被称为遗传神经架构搜索（GeNAS）。为此，我们使用了一个名为MHSMA数据集的图像集合，其中包含从235名不育症患者收集的1540张精子图像。GeNAS是一种遗传算法，充当元控制器，探索普通卷积神经网络架构的受限搜索空间。遗传算法的每个个体都是一个卷积神经网络，经过训练以预测人类精子不同部分（头部、空泡和顶体）的形态畸形，其适应度通过一种新提出的名为GeNAS-WF的方法计算，该方法专为噪声大、低分辨率和不平衡的数据集设计。此外，使用哈希方法保存每个训练好的神经架构适应度，以便在适应度评估期间重用并加速算法。此外，在运行时间和计算能力方面，我们提出的架构搜索方法比大多数其他现有的神经架构搜索算法效率高得多。另外，其他提出的方法已在平衡数据集上进行了评估，而GeNAS是专门为医学成像领域常见的噪声大、低质量和不平衡数据集构建的。在我们的实验中，GeNAS找到的最佳神经架构在空泡、头部和顶体异常检测中分别达到了91.66%、77.33%和77.66%的准确率。与为MHSMA数据集提出的其他算法相比，GeNAS取得了最先进的结果。
引用
@article{arxiv.1909.09432,
title = {Genetic Neural Architecture Search for automatic assessment of human sperm images},
author = {Erfan Miahi and Seyed Abolghasem Mirroshandel and Alexis Nasr},
journal= {arXiv preprint arXiv:1909.09432},
year = {2021}
}